Руководство по созданию эффективных запросов

65
Листинг 4.3 

Простой запрос с одним условием
SELECT flight_id, scheduled_departure
FROM flight f
JOIN airport a ON departure_airport = airport_code
AND iso_country = 'US'
Листинг 4.4 

Тот же запрос, что и в лис тинге 4.3, но с другим значением
SELECT flight_id, scheduled_departure
FROM flight f
JOIN airport a ON departure_airport = airport_code
AND iso_country = 'CZ'
Рис. 4.6 

План выполнения для лис тинга 4.4
Рис. 4.7 

Гистограмма распределения значений
Почему оптимизатор может ошибаться?
Но как мы можем быть уверены, что выбранный оптимизатором план дей-
ствительно наилучший? И можно ли вообще найти наилучший план вы-

---

66 

Планы выполнения
полнения? Мы потратили довольно много времени на объяснение того, что 
оптимизатор выполняет свою работу наилучшим образом, если мы не будем 
ему мешать. Но если это так, то о чем же остальная часть книги? Реальность 
такова, что ни один оптимизатор не идеален, даже планировщик запросов 
PostgreSQL.
Во-первых, хотя алгоритм оптимизации математически верен, то есть на-
ходит план с лучшей оценкой стоимости, эти оценки по сути своей неточ-
ны. Простые формулы, объясненные в главе 3, действительны только для 
равномерного распределения данных, но равномерное распределение редко 
встречается в реальных базах данных. На самом деле оптимизаторы исполь-
зуют более сложные формулы, но они также являются несовершенными при-
ближениями к реальности. Как сказал Джордж Бокс: «Все модели неверны, 
но некоторые из них полезны».
Во-вторых, системы баз данных, включая PostgreSQL, собирают подробную 
статистику хранимых данных (обычно в виде гистограмм). Гистограммы 
значительно улучшают оценки селективности. Но, к сожалению, их нельзя 
использовать для промежуточных результатов. Ошибки при оценке проме-
жуточных результатов – основная причина, из-за которой у оптимизатора 
может не получиться построить оптимальный план.
В-третьих, оптимальный план может быть исключен эвристиками, или за-
прос может быть слишком сложен для точного алгоритма оптимизации. В по-
следнем случае используются алгоритмы приблизительной оптимизации.
Во всех этих ситуациях требуется вмешательство человека, и книга как раз 
об этом. Теперь, когда мы знаем, что происходит во время оптимизации, мы 
можем исправить проблему, если что-то работает не так, как надо.
Несмотря на все описанные возможности ошибиться, в большинстве слу-
чаев оптимизаторы работают хорошо. Однако мы наблюдаем за поведени-
ем всей системы и, следовательно, нам доступно больше информации, чем 
оптимизатору. Мы можем использовать эти дополнительные знания, чтобы 
помочь оптимизатору работать еще лучше.